数据结构与算法、第五篇：链表

为什么使用链表（对比数组）

---

数组的缺陷：数组需要一块连续的内存空间来存储，对内存的要求高。如果我们申请一块100MB的数组，当内存中没有连续的、足够大的空间时，即便内存的剩余总可用空间大于100MB，依然会申请失败
链表的优势：链表并不需要一块连续的内存空间，它通过“指针”将一组零散的内存块串联起来使用，所以我们申请的是100MB的链表的话，没有问题

链表

---

链表：是一种线性表。通过指针将一组零散的内存块串联在一起，其中，我们把内存块称为链表的"结点”，为了将所有的结点串起来，每个链表的结点除了存储数据之外，还需要记录链上面的下一个结点的地址。我们把这个记录下个结点地址的指针叫做后继指针next。链表分为单链表、双向链表和循环链表

链表中有两个特殊结点，第一个结点和第二个结点，分别称之为：头结点和尾结点。
头结点：用来记录链表的基地址。有了它，我们就可以遍历得到整个链表。
尾结点：指针不是指向下一个结点，而是指向一个空地址NULl，表示这是链表的最后一个结点

1. 单链表
   

   1. 定义：最普通的链表
   2. 时间复杂度
      • 插入：O(1)
      • 删除：O(1)
        [因为针对链表的插入和删除操作，只需要考虑相邻接结点的指针改变，所以对应的时间复杂度是O(1)]
        
      • 随机访问：O(n)
        [因为链表中的数据并非连续存储的，所以无法像数组那样，根据首地址和下标，通过寻址公式就能直接计算出对应的内存地址，而需要根据指针一个结点一个结点依次遍历，直到找到相应的结点，所以链表随机访问的性能没有数组好，需要O(n)的时间复杂度]

2. 循环链表

   1. 定义：循环链表是一种特殊的单链表
   2. 与单链表的区别： 单链表的尾结点指针指向空地址，而循环链表的尾结点指针指向链表的头结点，像一个环一样首尾相连，所以叫做循环链表
      
   3. 时间复杂度
      • 插入：O(1)
      • 删除：O(1)
      • 随机访问：O(n)

3. 双向链表

   1. 定义：单向链表只有一个方向，结点只有一个后继指针next指向后面的结点。而双向链表它支持两个方向，每个结点不止有一个后继指针next指向后面的结点，还有一个前驱指针prev指向前面的结点
      

   2. 与普通链表相比**

      1. 循环列表比单链表占用更多的空间 —>[双向链表需要额外的空间来存储后继结点和前驱结点的地址。]
      2. 双向链表在某些情况下的插入、删除等操作都要比单链表简单、高效
         —>[双向链表支持O(1)时间复杂度的情况找到前驱结点]
      3. 对于一个有序链表，双向链表的按值查询的效率也要比单链表高一些
         —>[我们可以记录上次查找的位置P，每次查询时，根据要查找的值与P的大小关系，决定是往前查找还是往后查找，所以平均只需要查找一般的数据]

   3. 时间复杂度

      • 插入：O(1)
      • 删除：O(1)
      • 随机访问：O(n)

4. 双向循环链表
   

---

分析

单链表的插入、删除操作的时间复杂度已经是O(1)了，双向链表还能怎么高效呢？ [这种说法实际上不准确的，或者有先决条件 ]

1. 删除操作

   在实际的软件开发中，从链表中删除一个数据有两种情况：

   • 删除结点中“值等于某个给定值”的结点
   • 删除给定指针指向的结点

   1. 第一种情况，不管是单链表还是双向链表，为了查找到值等于给定值的结点，都需要从头结点开始一个一个依次遍历对比，直到找到值等于给定值的结点，然后通过指针操作将其删除，尽管单纯的删除操作时间复杂度是O(1),但是遍历查找的时间复杂度是O(n)，根据时间复杂度分析的加法法则，删除值等于给定值的结点对应的链表操作的总时间复杂度是O(n)

   2. 第二种情况，已经找到了要删除的结点，但是删除某个结点q还需要知道其前驱结点，但是单链表并不支持直接获取到前驱结点，所以为了找到前驱结点，还得从头开始遍历链表，知道p->next=q 说明p是q的前驱结点。 对于双向链表来说，因为双向链表中已经保存了前驱结点的指针，不需要像单链表那样遍历。所以针对第二种情况，单链表删除操作需要O(n)的时间复杂度，而双向链表只要O(1)的时间复杂度

2. 插入操作

   与删除同理

   • 双向链表插入的时间复杂度O(1)
   • 单链表的插入的时间复杂度O(n)

除了插入、删除操作有优势之外，对于一个有序链表，双向链表的按值查询的效率也要比单链表高一些。因为我们可以记录上次查找的位置P，每次查询时，根据要查找的值与P的大小关系，决定是往前还是往后查找，所以平均只需要查找一半的数据

---

思想

• 空间换时间：当内存空间充足的时候，如果我们更要追求代码的执行速度，我们就可以选择空间复杂度相比较高、但时间复杂度相比很低的算法和数据结构
• 时间换空间：当内存比较紧缺，比如代码跑在手机或者单片机上，这个时候，就要反过来用时间换空间的设计思路

对于执行较慢的程序，可以通过消耗更多内存（空间换时间）来进行优化；而消耗过多内存的程序，可以通过消耗更多的时间（时间换空间）来降低内存的消耗

缓存是利用了空间换时间的设计思想。如果我们把数据存储在硬盘上，会比较节省内存，但每次查找数据都要访问一次硬盘，会比较慢。但是如果我们通过缓存技术，事先将数据加载到内存中，虽然会比较浪费内存空间，但是每次数据查询的速度就大大提高了。

链表VS数组

• 数组优势：数组使用的是连续的内存空间，可以借助CPU的缓存机制，预读数组中的数据，所以访问效率更高
• 链表劣势：链表在内存中并不是连续存储，所以对CPU缓存不友好，没办法有效预读
• 链表优势：链表本身没有大小的限制，天然的支持动态扩容
• 数组劣势：数组的缺点是大小固定，一经声明就要占用整块连续内存空间.如果声明的数组过大，系统可能没有足够的连续内存空间分配给它，会导致内存不足。如果声明的数组过小，则可能出现不够的情况

如果代码对内存的使用非常苛刻，那么数组更适合。因为链表中每个结点都需要消耗额外的存储空间去存储一份指向下一个结点的指针，所以内存消耗会翻倍。而且对链表进行频繁的插入、删除操作，还会导致频繁的内存申请和释放，容易造成内存碎片，如果是java语言，就有可能会导致频繁的GC（垃圾回收）

如何实现一个LRU缓存淘汰算法

思路：维护一个有序单链表，越靠近链表尾部的结点是越早之前访问的。当有一个新的数据被访问时，从链表头开始顺序遍历链表

1. 如果此数据之前已经被缓存在链表中，遍历得到这个数据对应的结点，并将其从原来的位置删除，然后再插入到链表的头部
2. 如果此数据没有在缓存链表中，又可以分为两种情况
   • 如果此时缓存未满，则将此结点直接插入到链表的头部；
   • 如果此时链表已满，则链表尾结点删除，将新的数据结点插入链表头部

缓存访问的时间复杂度：O(n) 【因为不管缓存满不满，我们都需要遍历一遍链表】
优化：加入散列表记录每个数据的位置，可以将缓存访问的时间复杂度降到O(1)

CPU缓存机制

-> CPU从内存读取数据的时候，会首先把读取到的数据加载到CPU的缓存中。而CPU每次从内存读取数据并不是只读特定要访问的地址，而是读取一个数据块并保存到CPU缓存中，然后下次访问内存数据的时候就会先从CPU缓存开始查找，如果找到就不需要再从内存中取。这样就实现了比内存访问速度更快的机制，也就是CPU缓存存在的意义：为了弥补内存访问速度过慢与CPU执行速度快之间的差异而引入的。

-> 对于数组来说，存储空间时连续的，所以在加载某个下标的时候可以把以后几个下标元素也加载到CPU缓存，这样执行速度会快于存储空间不连续的链表存储。